NIM : 163303040404
Mata Kuliah : Jaringan Saraf Tiruan
1. Fungsi logika ”OR” dengan 2 masukan x1 dan x2 akan memiliki keluaran Y=0 jika dan
hanya jika kedua masukan bernilai 0.
Model neuron fungsi OR tampak pada gambar di bawah ini. Bobot tiap garis adalah 1
dan fungsi aktivasi memiliki nilai threshold = 1.
2
1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 ≥1
𝑋1 𝑋2 𝑛𝑒𝑡 = ∑ 𝑥𝑖 𝑤 𝑓(𝑛𝑒𝑡) = {0 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 <1
𝑖=1
1 1 1*1+1*1=2 1
1 0 1*1+0*1=1 1
0 1 0*1+1*1=1 1
0 0 0*1+0*1=0 0
2. Fungsi logika “OR” dengan dua masukan X1 dan X2 akan memiliki keluaran Y=0
bila dan hanya bila X1=X2.
X1 XOR X2 = (X1 and ~ X2) or ( X2 and ~ X1)
Z1 = (X1 and ~ X2) W1 =2, W2 = -1, threshold = 2
Z2 = (X2 and ~ X1) W1 =-1, W2 = 2, threshold = 2
Y = N = Z1 or Z2 W1 =1, W2 = 1, threshold = 1
𝑍 𝑍2 𝑁 Y=f(N)=
𝑋1 𝑋2 ~𝑋1 ~𝑋2 1
= (𝑋1 𝐴𝑁𝐷 ~𝑋2 ) = (~𝑋1 𝐴𝑁𝐷 𝑋2 ) = 𝑍1 𝑂𝑅𝑍2 0 if N=1
1 1 0 0 0 0 0 0
1 0 0 1 1 0 1 1
0 1 1 0 0 1 1 1
0 0 1 1 0 0 0 0
3. Fungsi logika “NAND” dengan dua masukan X1 dan X2 akan memiliki keluaran Y=0
jika dan hanya jika kedua masukan bernilai 1.
X1 X2 N=x1.w1+n2.w2+b Y=f(N)=1 if N<0
1 1 1.3+1.4-6=1 0
1 0 1.3+0.4-6=-3 1
0 1 0.3+1.4-6=-2 1
0 0 0.3+0.4-6=-6 1
1. Ulangi contoh di atas, tapi menggunakan masukan biner dan keluaran bipolar.
Gunakan α = 1 dan threshold θ = 0,2.
2. Diketahui perseptron dengan 3 masukan x1, x2, x3, sebuah bias dan sebuah keluaran
bipolar. Carilah bobot yang akan mengenali pola sebagai berikut: target keluaran
bernilai 1 apabila semua masukan bernilai 1, dan target bernilai -1 apabila tepat salah
satu dari masukan bernilai 0 (tidak diketahui bagaiman target apabila ada dua atau
lebih masukan yang bernilai 0). Gunakan bobot awal dan bias = 0, α = 1 dan threshold
θ = 0,1.
1. Target masukan dan target fungsi logika AND dengan masukan biner dan keluaran
bipolar
Masukan Target
X1 X2 1 T
1 1 1 1
1 0 1 -1
0 1 1 -1
0 0 1 -1
Untuk threshold θ=0,2, maka fungsi aktivasinya:
1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 > 0.2
𝑓(𝑛𝑒𝑡) = { 0 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 = 0.2 }
−1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 < 0.2
Setelah 10 epoch, semua f(net)=t sehingga jaringan telah mengenal pola dan iterasi
dihentikan. Persamaan garisnya adalah 2x1+3x2–4=0.2 (2x1+3x2=4.2) dan
2x1+3x2-4=0.2 (atau 2x1+3x2 = 3.8)
Epoch 5:
Masukan Target net y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 𝑥3 1) t (∆𝑤1 ∆𝑤2 ∆𝑤3 ∆𝑏) (𝑤1 𝑤2 𝑤3 𝑏)
Inisialisasi (0 0 0 0)
(1 1 1 1) 1 -2 -1 (1 1 1 1) (0 1 2 −1)
(1 1 0 1) -1 0 0 (−1 −1 0 −1) (−1 0 2 −2)
(1 0 1 1) -1 -1 -1 (−1 0 2 −2)
(0 1 1 1) -1 0 0 (0 −1 −1 −1) (−1 −1 1 −3)
Epoch 10:
Masukan Target net y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 𝑥3 1) t (∆𝑤1 ∆𝑤2 ∆𝑤3 ∆𝑏) (𝑤1 𝑤2 𝑤3 𝑏)
Inisialisasi (0 0 0 0)
(1 1 1 1) 1 -3 -1 (1 1 1 1) (1 1 2 −3)
(1 1 0 1) -1 -1 -1 (1 1 2 −3)
(1 0 1 1) -1 0 0 (−1 0 −1 −1) (0 1 1 −4)
(0 1 1 1) -1 -2 -1 (0 1 1 −4)
Epoch 20:
Masukan Target net y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 𝑥3 1) t (∆𝑤1 ∆𝑤2 ∆𝑤3 ∆𝑏) (𝑤1 𝑤2 𝑤3 𝑏)
Inisialisasi (0 0 0 0)
(1 1 1 1) 1 -2 -1 (1 1 1 1) (2 2 4 −6)
(1 1 0 1) -1 -2 -1 (2 2 4 −6)
(1 0 1 1) -1 0 0 (−1 0 −1 −1) (1 2 3 −7)
(0 1 1 1) -1 -2 -1 (1 2 3 −7)
Epoch 25:
Masukan Target net y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 𝑥3 1) t (∆𝑤1 ∆𝑤2 ∆𝑤3 ∆𝑏) (𝑤1 𝑤2 𝑤3 𝑏)
Inisialisasi (0 0 0 0)
(1 1 1 1) 1 0 0 (1 1 1 1) (3 4 4 −7)
(1 1 0 1) -1 0 0 (−1 −1 0 −1) (2 3 4 −8)
(1 0 1 1) -1 -2 -1 (2 3 4 −8)
(0 1 1 1) -1 -1 -1 (2 3 4 −8)
Epoch 26:
Masukan Target net y=f(net) Perubahan bobot Bobot baru
(𝑥1 𝑥2 𝑥3 1) t (∆𝑤1 ∆𝑤2 ∆𝑤3 ∆𝑏) (𝑤1 𝑤2 𝑤3 𝑏)
Inisialisasi (0 0 0 0)
(1 1 1 1) 1 1 1 (2 3 4 −8)
(1 1 0 1) -1 -3 -1 (2 3 4 −8)
(1 0 1 1) -1 -2 -1 (2 3 4 −8)
(0 1 1 1) -1 -1 -1 (2 3 4 −8)